2022-03-24-CAICT-隐私计算法律与合规研究白皮书_44页_2mb

隐私计算法律与合规研究白皮书（2021年）总结

1. 隐私计算的核心定义与合规意义

• 隐私计算指在不泄露原始数据的前提下，通过技术手段实现数据分析计算，保障数据“可用不可见”，为数据要素市场流通提供合规支持。
• 在《个人信息保护法》《数据安全法》等法律框架下，隐私计算能有效履行数据安全义务、防止数据滥用、实现相对匿名化，并减轻授权同意合规负担，从而平衡数据价值挖掘与隐私保护。

2. 主要参与方及法律关系

• 参与方角色：
  • 数据提供方：提供原始数据，承担数据合规和使用授权责任。
  • 技术提供方：提供隐私计算平台和算力支持，不直接处理数据。
  • 结果使用方：接收分析结果，需确保使用范围符合授权。
  • 第三方机构：负责技术评估、审计、合规认证。
• 法律定性：
  • 参与方可被认定为“个人信息处理者”，需遵守授权同意、最小必要原则。
  • 技术提供方作为“受托人”需遵循委托方指示，保障数据安全，否则须承担连带责任。

3. 隐私计算的法律与合规要点

1. 数据合法性基础：选择授权同意、合同必需、法定职责等合规基础，并覆盖全流程。
2. 事前风险评估：需对处理场景进行个人信息保护影响评估，特别是敏感数据和自动化决策。
3. 参与方管理：明确准入标准、责任划分，签订合作协议，建立监督机制。
4. 数据源合规：共同处理个人信息时，数据提供方需确保数据来源合法，并应对重要数据、未成年人数据等特殊场景的合规要求。
5. 技术安全性：验证加密方案（如HE、TEE）、中间参数保护，防止原始数据泄露，确保日志审计完整。
6. 计算模型归属：明确模型知识产权归属及使用权范围，避免争议。
7. 结果合规性：控制输出结果的隐私泄露风险，限制结果使用范围。
8. 自动化决策风险：需披露透明度并防止算法歧视。
9. 日志审计与存证：保留计算过程审计日志，满足监管溯源需求。

4. 应用场景效果评估

• 广告营销：通过联合建模增强投放效果，但需严格控制数据使用范围和用户授权。
• 金融风控场景：多方安全计算支持电信数据与金融数据融合，实现匿名化欺诈检测。
• 小微企业信贷：加密算法保障数据隔离，提升授信准确性。
• 金融穿透式监管：在银行与监管方间安全共享资金流水，提升合规性与监管效率。
• 人脸识别：秘密分享与加密技术保护人脸数据，实现安全身份核验。

5. 合规发展的未来展望与建议

• 创新与空间：建议立法平衡效率与安全，支持技术发展。
• 以点带面：优先试点成熟场景，积累经验以推动其他领域落地。
• 多方协作：构建监管机构、产业、第三方机构协同的合规体系，统一标准并推动认证。
• 分级监管：根据风险等级和行业特点制定差异化监管政策，促进隐私计算高效应用。